智能采掘设备振动信号降噪方法研究
秦朝中1
甘涛2
彭博3
李勇1
孙传猛4
赵云飞5
梁勇5
1.重庆大学 资源与安全学院,重庆 400044;煤矿灾害动力学与控制全国重点实验室,重庆 4000442.重庆大学 资源与安全学院,重庆 4000443.四川川煤华荣能源有限责任公司,四川 成都 6100914.中北大学 极限环境光电动态测试技术与仪器全国重点实验室,山西 太原 0300515.中国水利水电第五工程局有限公司,四川 成都 610066
摘要：准确采集各种信号及提取特征是实现采掘装备自动控制的关键.电动机轴承的振动信号是采掘装备自动识别煤岩的重要信号之一,其在复杂工况条件下受到环境噪声及部件摩擦的严重干扰,易导致信号特征模糊,影响采掘设备信号特征提取.提出一种基于改进型自适应噪声完备集合经验模态分解(ICEEMDAN)与遗传算法优化多尺度排列熵(MPE)的联合小波降噪方法,并通过信噪比、均方误差和降噪误差比来评价其有效性.研究表明:相较于EEMD-MPE、CEEMDAN-MPE与ICEEMDAN-MPE等传统方法,联合小波降噪方法在仿真信号和机械设备轴承振动数据集中的信噪比最大、均方误差最小、降噪误差比最大,该方法不仅展现出优异的噪声抑制能力,同时有效保留了表征机械状态的特征信息.通过研究煤矿采掘设备的电动机轴承信号,可为研究整个采掘设备的信号特征提供前置研究,并为后续煤岩自动识别与工矿设备自动化、智能化奠定了一定的基础.
关键词：采掘设备振动信号信号降噪ICEEMDAN多尺度排列熵遗传算法小波阈值
分类号：TD407(矿山机械)
资助基金：国家重点研发计划(2022YFC2905700)重庆市技术创新与应用发展专项重点项目(CSTB2024TIAD-KPX0102)中央高校基本科研业务费资助项目(2024CDJGF-009)
论文发表日期：2026-02-28
在线出版日期：2026-03-25（本平台首次上网日期，不代表文献的发表时间）
页数：10( 205-214 )
英文信息